몬테카를로 시뮬레이션(Monte-Carlo simulation)을 이용한 전과정영향평가의 불확실성에 대한 확률통계적분석
Stochastic analysis for uncertainty of life cycle assessment with Monte-Carlo simulation
- 발행기관 亞州大學校 大學院
- 지도교수 李健模
- 발행년도 2005
- 학위수여년월 2005. 2
- 학위명 석사
- 학과 및 전공 일반대학원 공학계열
- 본문언어 한국어
초록/요약
이 논문에서는 전과정평가 수행에 따른 불확실성의 체계적인 분석절차 수립을 토대로, 전과정 목록분석에서 수집 데이터의 불확실성에 대한 정량적 분석/관리 방안 제안을 연구목적으로 한다. 전과정평가의 불확실성 분석 도구로 몬테카를로 시뮬레이션을 사용 하였다. 수립된 불확실성 분석절차에서는 주요 데이터 선택 및 확률분포 결정 단계가 가장 중요한 단계이다. 주요 데이터 선택 단계에서는 데이터의 기여도 분석 및 데이터 품질평가가 수행된다. 여기서, 기여도 분석은 수집 데이터가 전과정영향평가 결과에 기여하는 정도를 비율(%)로 계산되며, 데이터 품질평가는 Pedigree 기법을 사용하여 각 데이터의 품질을 준정량적으로 산정한다. 상기 기여도 분석 및 데이터 품질평가를 토대로 불확실성이 높은 주요 데이터가 선택된다. 확률분포 결정단계에서는 선택된 데이터의 특성에 따라 각각의 확률분포를 결정한다. 데이터 정보량이 많은 경우, 정규분포(Normal distribution) 혹은 로그정규분포(Lognormal distribution)를 적용한다. 데이터 정보가 부족한 경우, 전문가 판단에 의한 균등분포(Uniform distribution) 혹은 삼각분포(Triangular distribution)가 사용한다. 확률분포가 결정되면 정량적인 불확실성 분석기법인 몬테카를로 시뮬레이션을 수행한다. 전과정평가에서 불확실성을 야기하는 주요요인을 아래와 같이 규명하였다. 첫째, 전과정평가 수행에 의해 규명된 주요 이슈의 불확실성 범위를 정량적으로 표현해야 한다. 불확실성 범위가 클 경우, 불확실성에 의해 주요 이슈가 왜곡될 수 있다. 둘째, 전과정평가의 불확실성 요인 중 기능단위 선택에 인한 불확실성 요인이 매우 높은 것으로 규명되었다. 셋째, 전과정평가의 결과는 환경영향에 대한 정량적 수치 이외에, 해당 전과정평가 수행에 따른 불확실성 요인을 규명하고, 이 논문에서 제안된 불확실성 정보를 함께 제공하여야 한다. 이 논문에서 제안된 전과정목록분석 데이터의 불확실성 분석/관리 방안을 폐컴퓨터 재활용 공정의 금회수 공정을 대상으로 적용하였다. 몬테카를로 시뮬레이션을 위해 사용된 프로그램은 Crystal Ball Professional 2000이며, 이 연구에서는 10,000회 반복수행 하였다. 사례연구를 통해 아래와 같은 결과를 도출하였다. 첫째, 금 회수공정에 대한 전과정평가 결과, 무생물자원고갈에서 원유가 전체의 43.9%로 가장 높았다. 그러나, 불확실성 요인을 고려한 경우, 추가적으로 인산염이 주요이슈로 규명되었다. 둘째, 기능단위 선택에 의한 불확실성 분석결과 폐CPU를 기능단위로선택했을 경우가 금을 기능단위로 선택한 경우보다 보다 불확실성이 컸다. 금 및 폐CPU 기능단위의 표준편차는 각각 2.68E+00, 1.82E+01 kg/yr로 약 7배 정도 폐CPU가 크게 나타났다. 또한 변이계수(CV)에서도 폐CPU을 기능단위로 선택했을 경우 0.5로 금을 기능단위로 선택했을 경우 0.09보다 훨씬 크게 나타났다. 이 결과를 통해 기능단위의 불확실성이 전체 결과에 미치는 영향이 큼을 도출하였다. 셋째, 전체 전과정평가 결과에 불확실성을 야기하는 주요 데이터는 염산 및 질산 데이터인 것으로 규명되었다. 따라서, 해당 데이터에 대한 추가조사가 수행되어야 한다. 국가 LCI 데이터베이스에 이 논문에서 제안된 데이터 품질 및 데이터 불확실성 등에 대한 정보가 제공된다면, 전과정평가 결과의 불확실성 분석이 더욱 효과적으로 이루어질 수 있을 것이다. 결론적으로 불확실성 분석은 전과정평가 결과의 신뢰성 향상을 위한 하나의 분석도구이며, 안전장치이다. 수집된 데이터의 불확실성 요인이 전체결과에 어느정도 영향을 미치는지에 대한 정보를 투명하게 공개함으로써, 전과정평가의 신뢰성과 활용성을 제고할 수 있다.
more초록/요약
The object of dissertation is to propose methodology of quantitative uncertainty analysis and management of clollection data during Life cycle inventory analysis. This dissertation is also based on systematic procedure for results of uncertainty analysis. The uncertainty analysis tool uses Monte-carlo simulation. The key stage is selection of main data and decision of probability distribution in the proposed methodology. A combination of qualitative and quantitive approaches is perfomed in the selection of main data. The qualitative assessment of data quality relies on Pedegree matrix, which is data quality indicator, whereas the quantitative assessment uses contribution calculation. The probability distribution of selected is estimated using different techniques, depending on the amount of information available. If the data provide much of information for their characteristic, the normal distribution or Lognormal distribution can be used for probability distribution. If the data has little information, it can be used Uniform distribution or Triangular distribution. The final results are as follow: First, Life Cycle Assessment has to provide quantitive information for uncertainty because the key issue can be changed by uncertainty. Second, The result of case study showed importance of the functional unit in uncertainty assessment. Accordingly, the data quality of functional unit has to be high and shall be selected carefully. Third, the key factor of uncertainty information has to be identited and provided to generic public.
more목차
목차
국문요약 = Ⅰ
표 목 차 = Ⅵ
그림목차 = Ⅶ
Ⅰ. 서론 = 1
1.1 ISO 14040 Series 신뢰성 향상 절차 = 2
1.1.1 전과정평가 개요 = 2
1.1.2 데이터품질 요건(Data Quality Requirement) = 4
1.1.3 데이터 수집 및 검증(Data collection and Validation) = 4
1.1.4 해석(Interpretation) = 5
1.1.5 ISO 표준의 한계 = 7
1.2 불확실성 분석 수행현황 = 7
1.3.연구목적 = 9
Ⅱ. 문헌연구 = 11
2.1 불확실성 유형(Typologies of uncertainty) = 12
2.1.1 모수 불확실성(Parameter uncertainty) = 14
2.1.2 모델 불확실성(Model Uncertainty) = 15
2.1.3 선택에 의한 불확실성(Uncertainty due to choices) = 15
2.1.4 시간 변이성(Temporal variability) = 15
2.1.5 공간 변이성(Spatial variability) = 16
2.1.6 배출원 및 객체 변이성(Variability between objects/sources) = 16
2.2 불확실성 분석기법 = 19
2.2.1 데이터 품질 평가(Data Quality Assessment) = 20
2.2.2 민감도 분석(Sensitivity Analysis) = 25
2.2.3 불확실성 분석(Uncertainty analysis) 26
Ⅲ. 불확실성 분석절차 및 기법 = 34
3.1 불확실성 분석 절차 개요 = 35
3.2 전과정목록분석 작성 = 36
3.3 주요 데이터 선택 = 38
3.3.1 기여도 분석 = 38
3.3.2 정성적 데이터 품질평가 = 39
3.3.3 주요 데이터 선택 = 41
3.4 선택 데이터의 확률분포 결정 = 42
3.4.1 측정데이터 = 42
3.4.2 정보가 거의 없는 데이터 = 43
3.5 몬테카를로 시뮬레이션 수행 및 분석 = 45
Ⅳ. 사례연구 = 46
4.1 연구목적 = 47
4.2 제품시스템 개요 = 47
4.3 데이터 품질 요건 = 48
4.4 데이터 수집 및 검증 = 48
4.4.1 데이터 수집 = 48
4.4.2 데이터 검증 = 50
4.5 전과정평가(LCA) 결과 = 51
4.6 몬테카를로 시뮬레이션을 이용한 불확실성 분석 수행 = 51
4.6.1 주요 데이터 선택 = 51
4.6.2 선택 데이터의 확률분포 결정 = 55
4.6.3 몬테카를로 시뮬레이션 수행 = 57
4.7 결과 분석 = 58
4.7.1 전체결과의 신뢰구간 산정 = 58
4.7.2 주요이슈 규명 = 60
4.7.3 수집데이터 민감도 분석 = 61
4.7.4 선택 및 가정에 의한 불확실성 = 62
4.7.5 제외 데이터의 불확실성 = 63
Ⅴ. 결론 및 향후계획 = 64
5.1 결론 = 64
5.2 향후계획 = 66
참고문헌 = 67
ABSTRACT = 69
